DeepSeek V3는 일반 언어, 코딩, 추론 작업을 위한 DeepSeek의 최초 전문가 혼합 텍스트 모델입니다. 글로 작성된 지시와 텍스트 컨텍스트를 받아 답변, 초안, 설명, 코드를 반환합니다. 모델 카드에는 주 모델의 전체 파라미터가 671B 개이고 토큰마다 37B 개가 활성화된다고 명시되어 있습니다. 원래 V3는 고유한 기능과 프롬프팅 프로필이 추가된 V3-0324, V3.1, V3.2와 구분됩니다.
아키텍처는 Multi-head Latent Attention과 DeepSeekMoE를 결합합니다. 잠재 어텐션은 어텐션에서 사용하는 정보를 압축하고, 희소 전문가 선택은 토큰마다 모델의 일부만 활성화합니다. V3는 보조 손실 없는 부하 분산과 다중 토큰 예측 훈련 목표도 도입합니다. 공개된 모델 패키지에는 671B 파라미터의 주 모델 외에 14B 파라미터의 별도 다중 토큰 예측 모듈이 포함됩니다. 이 때문에 패키지 전체 합계와 주 모델 아키텍처의 파라미터 수가 다를 수 있습니다.
DeepSeek은 14.8조 토큰으로 V3를 사전 훈련한 뒤 지도 미세 조정과 강화 학습을 수행합니다. 후속 훈련은 출력 스타일과 길이를 제어하면서 R1 제품군의 검증 및 성찰 패턴을 표준 언어 모델 응답에 반영합니다. 이는 훈련상의 기여이며 R1 자체나 이후 V3.1 하이브리드 사고 템플릿을 선택하는 것과 구분됩니다. 다른 버전의 추론 표현 방식을 가정하지 말고 필요한 최종 답변 형식을 준비하세요.
제작사 모델 표에는 V3 Base와 후속 훈련 V3 버전 모두 128K 컨텍스트가 명시되어 있습니다. 이 컨텍스트 안에서 질문과 상당한 분량의 문서 또는 코드 자료를 함께 다룰 수 있지만, 대화 이력과 응답을 위한 공간도 필요합니다. 출처에 식별자를 붙이고 관련 질문을 명확히 하세요. 컨텍스트 윈도는 용량의 상한이지 무관한 자료를 제출하거나 불필요하게 긴 답변을 요청하라는 지시가 아닙니다.
실용적인 코드 작업에서는 관련 함수, 예상 동작, 중요한 제약 조건, 문제를 보여주는 입력을 제공하세요. 수정 제안과 제공된 코드에 연결된 설명을 요청하세요. 문서 분석에서는 이름이 지정된 섹션과 명확한 비교 기준을 제공하세요. 예시 요청은 다음과 같습니다. “요구 사항을 추출하고, 이 제안이 충족하는 사항을 식별하고, 각 판단에 해당하는 구절을 인용해 주세요. 마지막에는 빠진 세부 사항을 간결한 목록으로 정리해 주세요.”
글쓰기와 편집 작업에서는 대상 독자, 어조, 반드시 유지할 사실을 명시하면 좋습니다. 요약, 다시 쓰기, 번역, 설명 중 원하는 작업을 요청하고 필수 이름과 용어를 지정하세요. 필드 목록이나 JSON 형태의 응답을 요청하더라도 그 결과는 검토가 필요한 생성 콘텐츠입니다. 모델 이름만으로 주변 애플리케이션의 구조화된 출력이나 도구 실행 방식이 입증되지는 않습니다. 애플리케이션이 도구를 제공한다면 각 도구에서 반환된 관찰과 모델이 제안한 작업을 구분하세요.
제조사는 FP8 모델 자료를 공개하고 참조 구현에서 다른 정밀도 또는 실행 옵션을 설명합니다. 이러한 구현 선택은 원문 수준의 작업과 별개이며 표시된 모델 이름에서 추론해서는 안 됩니다. 모델 출력이 코드일 수는 있지만 코드를 생성하는 것이 실행하는 것은 아닙니다. 출처에 대한 설명도 외부 검색이 수행되었다는 증거가 되지 않습니다. 답변에 해당 근거가 필요하다면 실제 원문 구절과 관찰된 애플리케이션 결과를 사용하세요.
유용한 결과를 얻으려면 최종 산출물과 완료 조건을 정의하세요. 출처로 뒷받침되는 판단, 가정, 수정 제안을 구분하고 생성된 답변을 제공 자료와 대조해 검토하세요. 긴 대화에서는 승인된 사실과 제약 조건을 유지하면서 초안의 한 부분을 개선할 수 있습니다. 산출물은 명시된 작업에 대한 검토 가능한 텍스트 또는 코드이며, 이후 버전의 제어 기능을 암묵적으로 가져오지 않고 원래 V3의 식별 정보를 유지합니다.
", "aboutText": "DeepSeek V3는 일반 언어, 코딩, 추론 작업을 위한 DeepSeek의 최초 전문가 혼합 텍스트 모델입니다. 글로 작성된 지시와 텍스트 컨텍스트를 받아 답변, 초안, 설명, 코드를 반환합니다. 모델 카드에는 주 모델의 전체 파라미터가 671B 개이고 토큰마다 37B 개가 활성화된다고 명시되어 있습니다. 원래 V3는 고유한 기능과 프롬프팅 프로필이 추가된 V3-0324, V3.1, V3.2와 구분됩니다.\n\n아키텍처는 Multi-head Latent Attention과 DeepSeekMoE를 결합합니다. 잠재 어텐션은 어텐션에서 사용하는 정보를 압축하고, 희소 전문가 선택은 토큰마다 모델의 일부만 활성화합니다. V3는 보조 손실 없는 부하 분산과 다중 토큰 예측 훈련 목표도 도입합니다. 공개된 모델 패키지에는 671B 파라미터의 주 모델 외에 14B 파라미터의 별도 다중 토큰 예측 모듈이 포함됩니다. 이 때문에 패키지 전체 합계와 주 모델 아키텍처의 파라미터 수가 다를 수 있습니다.\n\nDeepSeek은 14.8조 토큰으로 V3를 사전 훈련한 뒤 지도 미세 조정과 강화 학습을 수행합니다. 후속 훈련은 출력 스타일과 길이를 제어하면서 R1 제품군의 검증 및 성찰 패턴을 표준 언어 모델 응답에 반영합니다. 이는 훈련상의 기여이며 R1 자체나 이후 V3.1 하이브리드 사고 템플릿을 선택하는 것과 구분됩니다. 다른 버전의 추론 표현 방식을 가정하지 말고 필요한 최종 답변 형식을 준비하세요.\n\n제작사 모델 표에는 V3 Base와 후속 훈련 V3 버전 모두 128K 컨텍스트가 명시되어 있습니다. 이 컨텍스트 안에서 질문과 상당한 분량의 문서 또는 코드 자료를 함께 다룰 수 있지만, 대화 이력과 응답을 위한 공간도 필요합니다. 출처에 식별자를 붙이고 관련 질문을 명확히 하세요. 컨텍스트 윈도는 용량의 상한이지 무관한 자료를 제출하거나 불필요하게 긴 답변을 요청하라는 지시가 아닙니다.\n\n실용적인 코드 작업에서는 관련 함수, 예상 동작, 중요한 제약 조건, 문제를 보여주는 입력을 제공하세요. 수정 제안과 제공된 코드에 연결된 설명을 요청하세요. 문서 분석에서는 이름이 지정된 섹션과 명확한 비교 기준을 제공하세요. 예시 요청은 다음과 같습니다. “요구 사항을 추출하고, 이 제안이 충족하는 사항을 식별하고, 각 판단에 해당하는 구절을 인용해 주세요. 마지막에는 빠진 세부 사항을 간결한 목록으로 정리해 주세요.”\n\n글쓰기와 편집 작업에서는 대상 독자, 어조, 반드시 유지할 사실을 명시하면 좋습니다. 요약, 다시 쓰기, 번역, 설명 중 원하는 작업을 요청하고 필수 이름과 용어를 지정하세요. 필드 목록이나 JSON 형태의 응답을 요청하더라도 그 결과는 검토가 필요한 생성 콘텐츠입니다. 모델 이름만으로 주변 애플리케이션의 구조화된 출력이나 도구 실행 방식이 입증되지는 않습니다. 애플리케이션이 도구를 제공한다면 각 도구에서 반환된 관찰과 모델이 제안한 작업을 구분하세요.\n\n제조사는 FP8 모델 자료를 공개하고 참조 구현에서 다른 정밀도 또는 실행 옵션을 설명합니다. 이러한 구현 선택은 원문 수준의 작업과 별개이며 표시된 모델 이름에서 추론해서는 안 됩니다. 모델 출력이 코드일 수는 있지만 코드를 생성하는 것이 실행하는 것은 아닙니다. 출처에 대한 설명도 외부 검색이 수행되었다는 증거가 되지 않습니다. 답변에 해당 근거가 필요하다면 실제 원문 구절과 관찰된 애플리케이션 결과를 사용하세요.\n\n유용한 결과를 얻으려면 최종 산출물과 완료 조건을 정의하세요. 출처로 뒷받침되는 판단, 가정, 수정 제안을 구분하고 생성된 답변을 제공 자료와 대조해 검토하세요. 긴 대화에서는 승인된 사실과 제약 조건을 유지하면서 초안의 한 부분을 개선할 수 있습니다. 산출물은 명시된 작업에 대한 검토 가능한 텍스트 또는 코드이며, 이후 버전의 제어 기능을 암묵적으로 가져오지 않고 원래 V3의 식별 정보를 유지합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "86d456ae877b91fbfcac8e45bae13f53997f326b54b501a448b0e5385209cda7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "deepseek-chatDeepSeek V3는 코딩, 글쓰기, 질문, 출처 기반 분석을 위한 DeepSeek의 최초 텍스트 모델입니다. 전문가 혼합 아키텍처는 전체 671B와 활성 37B 파라미터를 갖고, 128K 컨텍스트 및 R1의 추론 패턴을 반영한 후속 훈련을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V3는 일반 언어, 코딩, 추론 작업을 위한 DeepSeek의 최초 전문가 혼합 텍스트 모델입니다. 글로 작성된 지시와 텍스트 컨텍스트를 받아 답변, 초안, 설명, 코드를 반환합니다. 모델 카드에는 주 모델의 전체 파라미터가 671B 개이고 토큰마다 37B 개가 활성화된다고 명시되어 있습니다. 원래 V3는 고유한 기능과 프롬프팅 프로필이 추가된 V3-0324, V3.1, V3.2와 구분됩니다.
아키텍처는 Multi-head Latent Attention과 DeepSeekMoE를 결합합니다. 잠재 어텐션은 어텐션에서 사용하는 정보를 압축하고, 희소 전문가 선택은 토큰마다 모델의 일부만 활성화합니다. V3는 보조 손실 없는 부하 분산과 다중 토큰 예측 훈련 목표도 도입합니다. 공개된 모델 패키지에는 671B 파라미터의 주 모델 외에 14B 파라미터의 별도 다중 토큰 예측 모듈이 포함됩니다. 이 때문에 패키지 전체 합계와 주 모델 아키텍처의 파라미터 수가 다를 수 있습니다.
DeepSeek은 14.8조 토큰으로 V3를 사전 훈련한 뒤 지도 미세 조정과 강화 학습을 수행합니다. 후속 훈련은 출력 스타일과 길이를 제어하면서 R1 제품군의 검증 및 성찰 패턴을 표준 언어 모델 응답에 반영합니다. 이는 훈련상의 기여이며 R1 자체나 이후 V3.1 하이브리드 사고 템플릿을 선택하는 것과 구분됩니다. 다른 버전의 추론 표현 방식을 가정하지 말고 필요한 최종 답변 형식을 준비하세요.
제작사 모델 표에는 V3 Base와 후속 훈련 V3 버전 모두 128K 컨텍스트가 명시되어 있습니다. 이 컨텍스트 안에서 질문과 상당한 분량의 문서 또는 코드 자료를 함께 다룰 수 있지만, 대화 이력과 응답을 위한 공간도 필요합니다. 출처에 식별자를 붙이고 관련 질문을 명확히 하세요. 컨텍스트 윈도는 용량의 상한이지 무관한 자료를 제출하거나 불필요하게 긴 답변을 요청하라는 지시가 아닙니다.
실용적인 코드 작업에서는 관련 함수, 예상 동작, 중요한 제약 조건, 문제를 보여주는 입력을 제공하세요. 수정 제안과 제공된 코드에 연결된 설명을 요청하세요. 문서 분석에서는 이름이 지정된 섹션과 명확한 비교 기준을 제공하세요. 예시 요청은 다음과 같습니다. “요구 사항을 추출하고, 이 제안이 충족하는 사항을 식별하고, 각 판단에 해당하는 구절을 인용해 주세요. 마지막에는 빠진 세부 사항을 간결한 목록으로 정리해 주세요.”
글쓰기와 편집 작업에서는 대상 독자, 어조, 반드시 유지할 사실을 명시하면 좋습니다. 요약, 다시 쓰기, 번역, 설명 중 원하는 작업을 요청하고 필수 이름과 용어를 지정하세요. 필드 목록이나 JSON 형태의 응답을 요청하더라도 그 결과는 검토가 필요한 생성 콘텐츠입니다. 모델 이름만으로 주변 애플리케이션의 구조화된 출력이나 도구 실행 방식이 입증되지는 않습니다. 애플리케이션이 도구를 제공한다면 각 도구에서 반환된 관찰과 모델이 제안한 작업을 구분하세요.
제조사는 FP8 모델 자료를 공개하고 참조 구현에서 다른 정밀도 또는 실행 옵션을 설명합니다. 이러한 구현 선택은 원문 수준의 작업과 별개이며 표시된 모델 이름에서 추론해서는 안 됩니다. 모델 출력이 코드일 수는 있지만 코드를 생성하는 것이 실행하는 것은 아닙니다. 출처에 대한 설명도 외부 검색이 수행되었다는 증거가 되지 않습니다. 답변에 해당 근거가 필요하다면 실제 원문 구절과 관찰된 애플리케이션 결과를 사용하세요.
유용한 결과를 얻으려면 최종 산출물과 완료 조건을 정의하세요. 출처로 뒷받침되는 판단, 가정, 수정 제안을 구분하고 생성된 답변을 제공 자료와 대조해 검토하세요. 긴 대화에서는 승인된 사실과 제약 조건을 유지하면서 초안의 한 부분을 개선할 수 있습니다. 산출물은 명시된 작업에 대한 검토 가능한 텍스트 또는 코드이며, 이후 버전의 제어 기능을 암묵적으로 가져오지 않고 원래 V3의 식별 정보를 유지합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-chat | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00064 / 1K 토큰 출력 · 출력 토큰 $0.00178 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"deepseek-chat","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="deepseek-chat", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions
deepseek-chatDeepSeek V3는 코딩, 글쓰기, 질문, 출처 기반 분석을 위한 DeepSeek의 최초 텍스트 모델입니다. 전문가 혼합 아키텍처는 전체 671B와 활성 37B 파라미터를 갖고, 128K 컨텍스트 및 R1의 추론 패턴을 반영한 후속 훈련을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V3는 일반 언어, 코딩, 추론 작업을 위한 DeepSeek의 최초 전문가 혼합 텍스트 모델입니다. 글로 작성된 지시와 텍스트 컨텍스트를 받아 답변, 초안, 설명, 코드를 반환합니다. 모델 카드에는 주 모델의 전체 파라미터가 671B 개이고 토큰마다 37B 개가 활성화된다고 명시되어 있습니다. 원래 V3는 고유한 기능과 프롬프팅 프로필이 추가된 V3-0324, V3.1, V3.2와 구분됩니다.
아키텍처는 Multi-head Latent Attention과 DeepSeekMoE를 결합합니다. 잠재 어텐션은 어텐션에서 사용하는 정보를 압축하고, 희소 전문가 선택은 토큰마다 모델의 일부만 활성화합니다. V3는 보조 손실 없는 부하 분산과 다중 토큰 예측 훈련 목표도 도입합니다. 공개된 모델 패키지에는 671B 파라미터의 주 모델 외에 14B 파라미터의 별도 다중 토큰 예측 모듈이 포함됩니다. 이 때문에 패키지 전체 합계와 주 모델 아키텍처의 파라미터 수가 다를 수 있습니다.
DeepSeek은 14.8조 토큰으로 V3를 사전 훈련한 뒤 지도 미세 조정과 강화 학습을 수행합니다. 후속 훈련은 출력 스타일과 길이를 제어하면서 R1 제품군의 검증 및 성찰 패턴을 표준 언어 모델 응답에 반영합니다. 이는 훈련상의 기여이며 R1 자체나 이후 V3.1 하이브리드 사고 템플릿을 선택하는 것과 구분됩니다. 다른 버전의 추론 표현 방식을 가정하지 말고 필요한 최종 답변 형식을 준비하세요.
제작사 모델 표에는 V3 Base와 후속 훈련 V3 버전 모두 128K 컨텍스트가 명시되어 있습니다. 이 컨텍스트 안에서 질문과 상당한 분량의 문서 또는 코드 자료를 함께 다룰 수 있지만, 대화 이력과 응답을 위한 공간도 필요합니다. 출처에 식별자를 붙이고 관련 질문을 명확히 하세요. 컨텍스트 윈도는 용량의 상한이지 무관한 자료를 제출하거나 불필요하게 긴 답변을 요청하라는 지시가 아닙니다.
실용적인 코드 작업에서는 관련 함수, 예상 동작, 중요한 제약 조건, 문제를 보여주는 입력을 제공하세요. 수정 제안과 제공된 코드에 연결된 설명을 요청하세요. 문서 분석에서는 이름이 지정된 섹션과 명확한 비교 기준을 제공하세요. 예시 요청은 다음과 같습니다. “요구 사항을 추출하고, 이 제안이 충족하는 사항을 식별하고, 각 판단에 해당하는 구절을 인용해 주세요. 마지막에는 빠진 세부 사항을 간결한 목록으로 정리해 주세요.”
글쓰기와 편집 작업에서는 대상 독자, 어조, 반드시 유지할 사실을 명시하면 좋습니다. 요약, 다시 쓰기, 번역, 설명 중 원하는 작업을 요청하고 필수 이름과 용어를 지정하세요. 필드 목록이나 JSON 형태의 응답을 요청하더라도 그 결과는 검토가 필요한 생성 콘텐츠입니다. 모델 이름만으로 주변 애플리케이션의 구조화된 출력이나 도구 실행 방식이 입증되지는 않습니다. 애플리케이션이 도구를 제공한다면 각 도구에서 반환된 관찰과 모델이 제안한 작업을 구분하세요.
제조사는 FP8 모델 자료를 공개하고 참조 구현에서 다른 정밀도 또는 실행 옵션을 설명합니다. 이러한 구현 선택은 원문 수준의 작업과 별개이며 표시된 모델 이름에서 추론해서는 안 됩니다. 모델 출력이 코드일 수는 있지만 코드를 생성하는 것이 실행하는 것은 아닙니다. 출처에 대한 설명도 외부 검색이 수행되었다는 증거가 되지 않습니다. 답변에 해당 근거가 필요하다면 실제 원문 구절과 관찰된 애플리케이션 결과를 사용하세요.
유용한 결과를 얻으려면 최종 산출물과 완료 조건을 정의하세요. 출처로 뒷받침되는 판단, 가정, 수정 제안을 구분하고 생성된 답변을 제공 자료와 대조해 검토하세요. 긴 대화에서는 승인된 사실과 제약 조건을 유지하면서 초안의 한 부분을 개선할 수 있습니다. 산출물은 명시된 작업에 대한 검토 가능한 텍스트 또는 코드이며, 이후 버전의 제어 기능을 암묵적으로 가져오지 않고 원래 V3의 식별 정보를 유지합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-chat | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00064 / 1K 토큰 출력 · 출력 토큰 $0.00178 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-chat', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-chat', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions
deepseek/deepseek-chatDeepSeek V3는 코딩, 글쓰기, 질문, 출처 기반 분석을 위한 DeepSeek의 최초 텍스트 모델입니다. 전문가 혼합 아키텍처는 전체 671B와 활성 37B 파라미터를 갖고, 128K 컨텍스트 및 R1의 추론 패턴을 반영한 후속 훈련을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V3는 일반 언어, 코딩, 추론 작업을 위한 DeepSeek의 최초 전문가 혼합 텍스트 모델입니다. 글로 작성된 지시와 텍스트 컨텍스트를 받아 답변, 초안, 설명, 코드를 반환합니다. 모델 카드에는 주 모델의 전체 파라미터가 671B 개이고 토큰마다 37B 개가 활성화된다고 명시되어 있습니다. 원래 V3는 고유한 기능과 프롬프팅 프로필이 추가된 V3-0324, V3.1, V3.2와 구분됩니다.
아키텍처는 Multi-head Latent Attention과 DeepSeekMoE를 결합합니다. 잠재 어텐션은 어텐션에서 사용하는 정보를 압축하고, 희소 전문가 선택은 토큰마다 모델의 일부만 활성화합니다. V3는 보조 손실 없는 부하 분산과 다중 토큰 예측 훈련 목표도 도입합니다. 공개된 모델 패키지에는 671B 파라미터의 주 모델 외에 14B 파라미터의 별도 다중 토큰 예측 모듈이 포함됩니다. 이 때문에 패키지 전체 합계와 주 모델 아키텍처의 파라미터 수가 다를 수 있습니다.
DeepSeek은 14.8조 토큰으로 V3를 사전 훈련한 뒤 지도 미세 조정과 강화 학습을 수행합니다. 후속 훈련은 출력 스타일과 길이를 제어하면서 R1 제품군의 검증 및 성찰 패턴을 표준 언어 모델 응답에 반영합니다. 이는 훈련상의 기여이며 R1 자체나 이후 V3.1 하이브리드 사고 템플릿을 선택하는 것과 구분됩니다. 다른 버전의 추론 표현 방식을 가정하지 말고 필요한 최종 답변 형식을 준비하세요.
제작사 모델 표에는 V3 Base와 후속 훈련 V3 버전 모두 128K 컨텍스트가 명시되어 있습니다. 이 컨텍스트 안에서 질문과 상당한 분량의 문서 또는 코드 자료를 함께 다룰 수 있지만, 대화 이력과 응답을 위한 공간도 필요합니다. 출처에 식별자를 붙이고 관련 질문을 명확히 하세요. 컨텍스트 윈도는 용량의 상한이지 무관한 자료를 제출하거나 불필요하게 긴 답변을 요청하라는 지시가 아닙니다.
실용적인 코드 작업에서는 관련 함수, 예상 동작, 중요한 제약 조건, 문제를 보여주는 입력을 제공하세요. 수정 제안과 제공된 코드에 연결된 설명을 요청하세요. 문서 분석에서는 이름이 지정된 섹션과 명확한 비교 기준을 제공하세요. 예시 요청은 다음과 같습니다. “요구 사항을 추출하고, 이 제안이 충족하는 사항을 식별하고, 각 판단에 해당하는 구절을 인용해 주세요. 마지막에는 빠진 세부 사항을 간결한 목록으로 정리해 주세요.”
글쓰기와 편집 작업에서는 대상 독자, 어조, 반드시 유지할 사실을 명시하면 좋습니다. 요약, 다시 쓰기, 번역, 설명 중 원하는 작업을 요청하고 필수 이름과 용어를 지정하세요. 필드 목록이나 JSON 형태의 응답을 요청하더라도 그 결과는 검토가 필요한 생성 콘텐츠입니다. 모델 이름만으로 주변 애플리케이션의 구조화된 출력이나 도구 실행 방식이 입증되지는 않습니다. 애플리케이션이 도구를 제공한다면 각 도구에서 반환된 관찰과 모델이 제안한 작업을 구분하세요.
제조사는 FP8 모델 자료를 공개하고 참조 구현에서 다른 정밀도 또는 실행 옵션을 설명합니다. 이러한 구현 선택은 원문 수준의 작업과 별개이며 표시된 모델 이름에서 추론해서는 안 됩니다. 모델 출력이 코드일 수는 있지만 코드를 생성하는 것이 실행하는 것은 아닙니다. 출처에 대한 설명도 외부 검색이 수행되었다는 증거가 되지 않습니다. 답변에 해당 근거가 필요하다면 실제 원문 구절과 관찰된 애플리케이션 결과를 사용하세요.
유용한 결과를 얻으려면 최종 산출물과 완료 조건을 정의하세요. 출처로 뒷받침되는 판단, 가정, 수정 제안을 구분하고 생성된 답변을 제공 자료와 대조해 검토하세요. 긴 대화에서는 승인된 사실과 제약 조건을 유지하면서 초안의 한 부분을 개선할 수 있습니다. 산출물은 명시된 작업에 대한 검토 가능한 텍스트 또는 코드이며, 이후 버전의 제어 기능을 암묵적으로 가져오지 않고 원래 V3의 식별 정보를 유지합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-chat | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00064 / 1K 토큰 출력 · 출력 토큰 $0.00178 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"deepseek/deepseek-chat","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="deepseek/deepseek-chat", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions
deepseek/deepseek-chatDeepSeek V3는 코딩, 글쓰기, 질문, 출처 기반 분석을 위한 DeepSeek의 최초 텍스트 모델입니다. 전문가 혼합 아키텍처는 전체 671B와 활성 37B 파라미터를 갖고, 128K 컨텍스트 및 R1의 추론 패턴을 반영한 후속 훈련을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V3는 일반 언어, 코딩, 추론 작업을 위한 DeepSeek의 최초 전문가 혼합 텍스트 모델입니다. 글로 작성된 지시와 텍스트 컨텍스트를 받아 답변, 초안, 설명, 코드를 반환합니다. 모델 카드에는 주 모델의 전체 파라미터가 671B 개이고 토큰마다 37B 개가 활성화된다고 명시되어 있습니다. 원래 V3는 고유한 기능과 프롬프팅 프로필이 추가된 V3-0324, V3.1, V3.2와 구분됩니다.
아키텍처는 Multi-head Latent Attention과 DeepSeekMoE를 결합합니다. 잠재 어텐션은 어텐션에서 사용하는 정보를 압축하고, 희소 전문가 선택은 토큰마다 모델의 일부만 활성화합니다. V3는 보조 손실 없는 부하 분산과 다중 토큰 예측 훈련 목표도 도입합니다. 공개된 모델 패키지에는 671B 파라미터의 주 모델 외에 14B 파라미터의 별도 다중 토큰 예측 모듈이 포함됩니다. 이 때문에 패키지 전체 합계와 주 모델 아키텍처의 파라미터 수가 다를 수 있습니다.
DeepSeek은 14.8조 토큰으로 V3를 사전 훈련한 뒤 지도 미세 조정과 강화 학습을 수행합니다. 후속 훈련은 출력 스타일과 길이를 제어하면서 R1 제품군의 검증 및 성찰 패턴을 표준 언어 모델 응답에 반영합니다. 이는 훈련상의 기여이며 R1 자체나 이후 V3.1 하이브리드 사고 템플릿을 선택하는 것과 구분됩니다. 다른 버전의 추론 표현 방식을 가정하지 말고 필요한 최종 답변 형식을 준비하세요.
제작사 모델 표에는 V3 Base와 후속 훈련 V3 버전 모두 128K 컨텍스트가 명시되어 있습니다. 이 컨텍스트 안에서 질문과 상당한 분량의 문서 또는 코드 자료를 함께 다룰 수 있지만, 대화 이력과 응답을 위한 공간도 필요합니다. 출처에 식별자를 붙이고 관련 질문을 명확히 하세요. 컨텍스트 윈도는 용량의 상한이지 무관한 자료를 제출하거나 불필요하게 긴 답변을 요청하라는 지시가 아닙니다.
실용적인 코드 작업에서는 관련 함수, 예상 동작, 중요한 제약 조건, 문제를 보여주는 입력을 제공하세요. 수정 제안과 제공된 코드에 연결된 설명을 요청하세요. 문서 분석에서는 이름이 지정된 섹션과 명확한 비교 기준을 제공하세요. 예시 요청은 다음과 같습니다. “요구 사항을 추출하고, 이 제안이 충족하는 사항을 식별하고, 각 판단에 해당하는 구절을 인용해 주세요. 마지막에는 빠진 세부 사항을 간결한 목록으로 정리해 주세요.”
글쓰기와 편집 작업에서는 대상 독자, 어조, 반드시 유지할 사실을 명시하면 좋습니다. 요약, 다시 쓰기, 번역, 설명 중 원하는 작업을 요청하고 필수 이름과 용어를 지정하세요. 필드 목록이나 JSON 형태의 응답을 요청하더라도 그 결과는 검토가 필요한 생성 콘텐츠입니다. 모델 이름만으로 주변 애플리케이션의 구조화된 출력이나 도구 실행 방식이 입증되지는 않습니다. 애플리케이션이 도구를 제공한다면 각 도구에서 반환된 관찰과 모델이 제안한 작업을 구분하세요.
제조사는 FP8 모델 자료를 공개하고 참조 구현에서 다른 정밀도 또는 실행 옵션을 설명합니다. 이러한 구현 선택은 원문 수준의 작업과 별개이며 표시된 모델 이름에서 추론해서는 안 됩니다. 모델 출력이 코드일 수는 있지만 코드를 생성하는 것이 실행하는 것은 아닙니다. 출처에 대한 설명도 외부 검색이 수행되었다는 증거가 되지 않습니다. 답변에 해당 근거가 필요하다면 실제 원문 구절과 관찰된 애플리케이션 결과를 사용하세요.
유용한 결과를 얻으려면 최종 산출물과 완료 조건을 정의하세요. 출처로 뒷받침되는 판단, 가정, 수정 제안을 구분하고 생성된 답변을 제공 자료와 대조해 검토하세요. 긴 대화에서는 승인된 사실과 제약 조건을 유지하면서 초안의 한 부분을 개선할 수 있습니다. 산출물은 명시된 작업에 대한 검토 가능한 텍스트 또는 코드이며, 이후 버전의 제어 기능을 암묵적으로 가져오지 않고 원래 V3의 식별 정보를 유지합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-chat | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00064 / 1K 토큰 출력 · 출력 토큰 $0.00178 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek/deepseek-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-chat', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-chat', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions